🧠 CounsHelper (가칭) — 심리상담사 AI 보조 플랫폼

상담사가 핵심 상담에만 집중할 수 있도록, 회기 기록·분석·보고서 작성을 AI가 돕습니다.

제12회 보건의료빅데이터·AI 활용 창업경진대회 출품작

---

📑 목차

• 소개
• 주요 기능
• 화면 미리보기
• 기술 스택
• 시작하기
• 사용 튜토리얼
• 프로젝트 구조
• 데이터 출처
• 로드맵
• 팀
• 라이선스

---

📖 소개

문제

심리상담사는 한 번의 상담(회기)마다 다음과 같은 반복 행정 업무를 수행합니다.

• 50분 회기가 끝날 때마다 회기 요약 보고서 작성 (평균 30분)
• 내담자의 증상 변화를 기억에 의존해 다음 회기 계획 수립
• 6개월 이상 장기 케이스의 진행 추이 정리

이 행정 업무가 상담사 업무 시간의 약 30%를 차지하며, 정작 중요한 상담 그 자체에서 시간을 빼앗고 있습니다.

솔루션

CounsHelper는 상담 기록을 입력하면 AI가 자동으로 다음을 수행하는 웹 플랫폼입니다.

1. 우울·불안·중독 위험도와 28개 세부 증상 요인을 정량 분석
2. 4개 섹션(주요 증상·위험 요인·개선 요인·개입 요인)의 요약 보고서 초안 생성
3. 회기별 변화 추이와 인구통계 맥락을 대시보드로 시각화
4. 유사 상담 케이스와 임상 가이드라인을 RAG 챗봇으로 검색

상담사는 AI가 만든 초안을 검토·수정만 하면 되므로, 회기당 행정 시간을 30분에서 10~15분으로 줄일 수 있습니다.

누구를 위한 서비스인가

• 주 사용자: 사설 상담센터 심리상담사
• 자격증을 보유하고 정기 회기를 진행하는 상담 전문가
• 학교 전문상담교사·정신과 의사는 본 MVP의 대상이 아닙니다

무엇이 다른가

---

✨ 주요 기능

1. 상담 기록 자동 분석 (F1)

상담 텍스트를 입력하면 AI Hub 공공 모델(KlueBERT)이 우울·불안·중독 위험도를 판별하고, 28개 세부 증상 요인을 0~3점으로 점수화합니다. 분석 범위(우울·불안·중독) 밖의 사례는 안내 후 분석을 중단합니다.

2. 내담자 맞춤 대시보드 (F2)

• 카테고리별 점수 카드 — 우울·불안·중독 평균 강도를 한눈에
• 세부 요인 막대 그래프 — 28개 요인을 카테고리별로 그루핑
• 회기별 추이 라인 차트 — 장기 케이스의 변화 시각화
• HIRA 인구통계 비교 — "이 연령·성별·지역대의 정신질환 진료율은?"

3. 요약 보고서 자동 생성 (F3)

AI Hub 공공 모델(Koalpaca)이 4개 섹션의 요약 보고서 초안을 생성합니다.

• 주요 증상 / 위험 요인 / 개선 요인 / 상담사 개입 요인
• 다음 회기 계획 추천 (목표·기법·과제)
• .md / .pdf / .docx 세 가지 포맷으로 다운로드 (대시보드 차트 이미지 포함)

4. AI 도우미 챗봇 (F4)

화면 사이드바의 챗봇에게 자연어로 질문할 수 있습니다.

• "비슷한 상담 사례가 있나요?" → 유사 케이스 검색
• "이 증상에 대한 임상 가이드는?" → 가이드라인 검색 + 출처 인용
• "인지행동치료의 핵심 원리는?" → 이론 질의응답

5. 내담자·회기 관리 (F5)

내담자 목록과 회기 기록을 관리하고, 데이터를 JSON으로 내보낼 수 있습니다.

---

🖥️ 화면 미리보기

📷 스크린샷은 시제품 완성 후 추가 예정입니다.

┌─────────────┬──────────────────────────┬─────────────┐
│             │  📊 대시보드              │ 💬 AI 도우미 │
│  내담자 목록 │  - 카테고리 점수 카드     │             │
│  회기 목록   │  - 28요인 막대 그래프    │  유사 케이스 │
│             │  - 회기별 추이 라인       │  임상 가이드 │
│  + 새 회기   │  - HIRA 인구통계 비교    │  이론 Q&A   │
│             │                          │             │
│             │  📝 요약 보고서 (4섹션)   │             │
│             │  [.md] [.pdf] [.docx]    │             │
└─────────────┴──────────────────────────┴─────────────┘

---

🛠️ 기술 스택

---

🚀 시작하기

사전 요구사항

• Python 3.11 (3.10 이상 가능, 3.12 비권장)
• Git
• Google Gemini API 키 (발급 안내)
• (선택) Koalpaca 요약 모델 추론용 외부 GPU 환경 — 아래 주의사항 참고

설치

1. 저장소 클론

git clone https://github.com/<팀명>/<레포명>.git
cd <레포명>

2. 가상환경 생성·활성화

python -m venv venv

# 맥/리눅스
source venv/bin/activate
# 윈도우
venv\Scripts\activate

3. 패키지 설치

pip install -r requirements.txt

4. 환경변수 설정

.env.example을 복사해 .env를 만들고 API 키를 입력합니다.

cp .env.example .env   # 윈도우: copy .env.example .env

GEMINI_API_KEY=발급받은_키
KOALPACA_ENDPOINT_URL=요약모델_추론_API_주소   # 아래 주의사항 참고

5. AI 모델·데이터 준비

• KlueBERT 판별 모델: data/models/kluebert/에 배치
• AI Hub 학습 데이터: data/raw/에 배치
• RAG 인덱스 빌드:

python -m src.rag.ingest

6. 실행

streamlit run app.py

브라우저에서 http://localhost:8501 이 자동으로 열립니다.

⚠️ Koalpaca 요약 모델 주의사항 Koalpaca 요약 모델(12.8B)은 약 8GB VRAM이 필요해 Streamlit Cloud나 일반 노트북 CPU에서는 실행할 수 없습니다. 별도 GPU 추론 환경(Modal, HuggingFace Inference Endpoints 등)에 모델을 올린 뒤, 그 API 주소를 .env의 KOALPACA_ENDPOINT_URL에 지정하세요.

---

📘 사용 튜토리얼

실제 상담사가 한 회기를 마치고 본 플랫폼을 사용하는 흐름입니다.

Step 1. 내담자 선택 또는 등록

좌측 사이드바에서 기존 내담자를 선택하거나, **[+ 새 내담자]**를 눌러 등록합니다.

• 신규 등록 시 익명 ID가 자동 발급됩니다
• 성별·연령대·거주지역을 입력합니다 (HIRA 인구통계 비교에 사용)

⚠️ 본 플랫폼은 시제품입니다. 실명·주소·연락처 등 실제 식별정보를 입력하지 마세요.

Step 2. 새 회기 작성

[새 회기 작성] 버튼을 누르고 회기 정보를 입력합니다.

• 회기 번호, 회기 일시
• 상담 내용 텍스트 — 상담자/내담자 발화가 구분된 형태로 붙여넣기

상담사: 오늘은 어떤 이야기를 나누고 싶으세요?
내담자: 요즘 잠을 잘 못 자고, 아침에 일어나기가 너무 힘들어요.
...

Step 3. AI 분석 실행

[AI 분석] 버튼을 누르면 약 90초 내에 분석이 완료됩니다.

내부적으로 다음이 수행됩니다.

1. KlueBERT가 우울·불안·중독 위험도 판별
2. (위험도 양성 시) Gemini가 28개 증상 요인 점수화
3. Koalpaca가 4섹션 요약 보고서 생성
4. RAG가 유사 케이스 검색

분석 결과가 분석 범위 밖(우울·불안·중독 외)으로 판정되면 안내 메시지가 표시됩니다.

Step 4. 대시보드 확인

화면 중앙에서 분석 결과를 확인합니다.

• 카테고리 점수 카드로 전체 위험도를 빠르게 파악
• 막대 그래프에서 어떤 세부 증상이 두드러지는지 확인
• 2회기 이상이면 추이 라인 차트로 변화 흐름 확인
• HIRA 비교 패널에서 동일 인구집단 대비 위치 확인

Step 5. 요약 보고서 검토·수정

AI가 생성한 4섹션 보고서 초안을 검토합니다.

• 잘못된 부분은 직접 텍스트를 수정할 수 있습니다
• 다음 회기 계획 추천도 함께 제공됩니다

Step 6. 보고서 다운로드

**[보고서 다운로드]**에서 원하는 포맷을 선택합니다.

세 포맷 모두 대시보드 차트 이미지가 함께 포함됩니다.

Step 7. AI 도우미 챗봇 활용

우측 사이드바 챗봇에 자연어로 질문하세요. 현재 보고 있는 회기 기록이 자동으로 챗봇의 컨텍스트로 첨부됩니다.

• "이 내담자와 비슷한 사례에서는 어떤 개입이 효과적이었나요?"
• "수면 장애가 동반된 우울 사례의 임상 가이드를 알려주세요."

모든 답변에는 출처가 함께 표시됩니다.

Step 8. 케이스 히스토리 확인

장기 케이스는 **[케이스 히스토리]**에서 회기별 위험도·증상 추이를 한눈에 확인할 수 있습니다. 챗봇에게 "지난 3회기 동안 어떤 변화가 있었나요?" 라고 물으면 종합 분석을 제공합니다.

---

📂 프로젝트 구조

.
├── app.py                # Streamlit 진입점
├── config.py             # 경로·상수
├── requirements.txt
├── .env.example
├── data/                 # 데이터 (gitignored, 직접 준비)
│   ├── raw/              # AI Hub 원본 데이터
│   ├── processed/        # 전처리 결과
│   ├── references/       # RAG용 임상 가이드라인 PDF
│   └── models/           # KlueBERT 등 모델 파일
├── src/
│   ├── classifier.py     # F1: 판별 + 28요인
│   ├── summarizer.py     # F3: 요약 모델 호출
│   ├── report.py         # F3: 보고서 출력
│   ├── dashboard.py      # F2: 차트
│   ├── hira.py           # HIRA 통계 매칭
│   └── rag/              # F4: RAG 파이프라인
├── pages/                # Streamlit 멀티페이지
├── chroma_db/            # 벡터 인덱스 (gitignored)
├── README.md
└── CLAUDE.md             # AI 코딩 에이전트용 가이드

---

🗂️ 데이터 출처

AI Hub 제공 KlueBERT·Koalpaca 모델은 Apache License 2.0으로 공개되어 있습니다.

---

🗺️ 로드맵

• MVP (~2026-05-29): 공공 AI 모델 기반 분석·보고서·RAG 챗봇
• 상용 v1 (2026 하반기): 자동 익명화, 다중 사용자, 결제, 하이브리드(로컬+클라우드) 처리
• 상용 v2 (2027): 완전 로컬 처리, 음성(STT) 입력, 모바일 지원

---

👥 팀

---

📄 라이선스

본 프로젝트의 코드 라이선스는 추후 확정 예정입니다. 활용 모델(KlueBERT, Koalpaca)은 Apache License 2.0을 따릅니다.

---

🙏 참고

• 레퍼런스 서비스: 위노트AI
• 학습 데이터·모델: AI Hub 심리상담 데이터
• 공공데이터: HIRA 보건의료빅데이터개방시스템
• 공모전: 제12회 보건의료빅데이터·AI 활용 창업경진대회